研究人员开发了一种使用大型语言模型（LLM）模拟调查响应的方法，通过创建数据驱动的个性化。这些个性化是从匿名化的公共行为数据中提取出来的，并用于条件化模拟特定人口群体响应的代理。研究发现，与使用基本人口统计信息相比，从域外来源派生的个性化通常不会提高模拟一致性，这主要是由于人口不匹配。然而，当个性化准确地分配给目标人口群体时，模拟一致性会显著提高。研究还表明，随着更多调查问题历史记录的可用，从目标域调查数据派生的个性化泛化能力会更好，这表明更丰富的行为证据可以带来更稳定的个性化特征推断和对未见问题的模拟改进。 AI
影响 这项研究可以通过使用 LLM 提前预测调查响应来降低传统调查的成本和时间。
排序理由 该集群包含一篇在 arXiv 上发表的研究论文，详细介绍了在调查模拟中使用 LLM 的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
